This gave me a real framework for thinking about hallucination detection and scoring rubrics instead of just eyeballing outputs. The section on building evaluation datasets was the most useful part for my actual work. My only complaint is the automation tooling demo felt a bit rushed near the end.
Fundamentos de Pruebas y Evaluación de Aplicaciones de LLM
Domina los fundamentos de las pruebas de aplicaciones de Large Language Model aprendiendo a construir conjuntos de datos de evaluación, aplicar métricas modernas y evaluar sistemas RAG.
-
💬
Instructor de IA
Pregunta sobre cualquier lección y recibe una respuesta clara al instante, cuando quieras. -
🕐
Empieza cuando quieras
Sin horarios ni fechas límite: aprende a tu ritmo, cuando quieras. -
🌐
En español
Lecciones, tareas y certificado: todo completamente en tu idioma.
Sobre este curso
A medida que los Large Language Models (LLMs) se vuelven fundamentales para el software moderno, garantizar su confiabilidad, precisión y seguridad es más crítico que nunca. Construir una aplicación de AI es solo el primer paso; saber cómo probar y evaluar sistemáticamente sus resultados es lo que la hace lista para producción. Este curso basado en texto te guiará a través de los principios básicos del aseguramiento de calidad de LLM. Comenzarás con terminología fundamental de AI y explorarás gradualmente cómo medir el rendimiento del modelo, estructurar conjuntos de datos de evaluación e implementar pruebas de regresión. Al leer escenarios prácticos y fragmentos de código escritos, descubrirás cómo transicionar de la verificación manual de prompts a metodologías de prueba automatizadas y escalables.
Lo que aprenderás: Comprender los conceptos fundamentales de LLM, incluyendo las diferencias entre fine-tuning y Retrieval-Augmented Generation (RAG). Diseñar y curar conjuntos de datos de evaluación robustos adaptados a casos de uso específicos de la aplicación. Aplicar métricas de evaluación modernas para evaluar la calidad de la generación de texto, la relevancia y la precisión fáctica. Implementar pruebas de regresión para asegurar que las actualizaciones del modelo o los cambios de prompt no degraden las funciones existentes. Evaluar arquitecturas RAG utilizando patrones contemporáneos como LLM-as-a-judge y puntuación de relevancia de contexto. Practicar conceptos básicos de pruebas de seguridad para identificar y mitigar vulnerabilidades de prompt injection.
El plan de estudios fluye lógicamente desde las definiciones básicas de evaluación de AI hasta los flujos de trabajo de prueba prácticos. Leerás ejemplos escritos paso a paso que demuestran cómo configurar pipelines de prueba confiables para aplicaciones de AI modernas. Este curso está diseñado para principiantes, profesionales de QA y aspirantes a desarrolladores con conocimientos básicos de programación que deseen aprender a probar aplicaciones de AI. No se requiere experiencia previa en machine learning. Comienza a leer hoy para desarrollar las habilidades necesarias para evaluar y probar con confianza aplicaciones de LLM modernas.
Lo que obtendrás
-
📜
Certificado de finalización
Añádelo a tu perfil de LinkedIn -
💬
Tutor AI personal
¿Atascado en una lección? Pregúntale a tu tutor integrado lo que quieras, cuando quieras. -
🎧
Versión en audio incluida
Aprende en cualquier momento, sin pantalla -
♾️
Acceso de por vida
Vuelve cuando quieras, sin caducidad -
📱
Teléfono o computadora
Funciona en cualquier dispositivo -
💸
Reembolso de 14 días
Sin preguntas -
⚡
Breve y enfocado
2 h 54 min de contenido práctico
Reseñas (18)
ハルシネーション検出の解説が特に良かった
El curso explica muy bien cómo diseñar casos de prueba para aplicaciones de LLM, aunque la parte de métricas automatizadas se queda un poco corta.
ইভ্যালুয়েশন ডেটাসেট বানানো আর RAG সিস্টেম যাচাই করার অংশটা সত্যিই দারুণ কাজে লেগেছে।
Changed how I test prompts entirely.
The module on building evaluation datasets alone was worth going through this course slowly and taking notes.
LLM एप्लिकेशन के लिए टेस्ट केस डिज़ाइन करना सिखाने वाला यह कोर्स बहुत प्रैक्टिकल है और उदाहरण बिल्कुल असली प्रोजेक्ट जैसे हैं।
Clear, practical, exactly what I needed.
Ce cours couvre bien les bases de l'évaluation des applications LLM, avec des exemples concrets sur la détection des hallucinations et les métriques de scoring. Le rythme est un peu rapide sur la partie automatisation des tests, il faut parfois revenir en arrière. Dans l'ensemble ça m'a donné une méthode claire pour structurer mes propres tests.
Malinaw ang paliwanag tungkol sa pag-eevaluate ng LLM outputs, pero medyo mabilis ang bahagi tungkol sa mga scoring rubric kaya kailangan mo ulit-ulitin panoorin.
Ich habe schon einige technische Kurse gemacht, aber dieser hier bringt das Thema LLM-Testing wirklich strukturiert auf den Punkt. Besonders gut fand ich den Teil über Halluzinationserkennung und wie man daraus konkrete Testfälle ableitet, das war vorher für mich immer ein bisschen diffus. Auch die Erklärung von Evaluationsmetriken wie Genauigkeit versus Konsistenz war anschaulich mit echten Beispielen unterlegt. Die Übungen zwischen den Lektionen zwingen einen dazu, selbst Testszenarien zu schreiben statt nur zuzuschauen, was den Lerneffekt deutlich erhöht. Am Ende hatte ich ein funktionierendes kleines Evaluationsskript, das ich direkt für ein eigenes Projekt anpassen konnte, und das Gefühl, das Thema jetzt wirklich im Griff zu haben. Für jeden, der von reinem Prompt-Basteln zu systematischem Testen wechseln will, ein echter Fortschritt.
O curso explica bem como montar testes para aplicações de LLM, mas senti falta de mais exemplos usando frameworks de avaliação automatizada.
คอร์สนี้อธิบายเรื่องการทดสอบแอปพลิเคชัน LLM ได้ชัดเจนมาก โดยเฉพาะส่วนที่พูดถึงการตรวจจับ hallucination และการออกแบบ metric สำหรับประเมินผล แถมมีตัวอย่างจากโปรเจกต์จริงให้ลองทำตามทีละขั้นด้วย เรียนจบแล้วรู้สึกว่าเขียน test case ได้เป็นระบบขึ้นเยอะ
Finally a course that treats LLM evaluation as an actual engineering discipline instead of vague best practices.
Курс отлично объясняет, как выстраивать пайплайн оценки LLM-приложений — после третьего модуля я наконец понял, зачем нужны регрессионные тесты для промптов.
Solid intro to evaluating LLM outputs, though I wish there was more on setting up automated regression tests instead of just manual scoring.
Aprendí a estructurar pruebas de regresión para prompts de una forma que nunca había visto explicada tan claramente.
इस कोर्स ने LLM एप्लिकेशन्स की टेस्टिंग को बिल्कुल नए नज़रिए से समझाया। हैलुसिनेशन डिटेक्ट करने और evaluation metrics बनाने वाले हिस्से खासकर बहुत उपयोगी लगे। हर वीडियो के बाद खुद से टेस्ट केस लिखने का अभ्यास दिया गया जिससे कॉन्सेप्ट अच्छे से बैठ गए।
Otros también tomaron
🎓 Con certificado
IA Privada con LLMs de Código Abierto: Despliegue Local, RAG y Agentes
Certificado
Práctica
CLP$14.000
→
💼 Listo para trabajar
🎓 Con certificado
Ajuste Fino de Modelos OpenAI: Personaliza LLMs con tus Propios Datos
Certificado
Práctica
CLP$14.000
→
🏆 El más popular
🎓 Con certificado
Desarrollo de Sistemas RAG con Azure OpenAI y Azure AI Search
Certificado
Práctica
CLP$14.000
→
💼 Listo para trabajar
🎓 Con certificado
Desarrollo de Aplicaciones de IA con LangChain
Certificado
Práctica
CLP$14.000
→
Preguntas frecuentes
¿Qué necesito para tomar este curso? +
Solo un teléfono o computadora con internet. Sin instalaciones ni hardware especial.
¿Cómo pago? +
Con tarjeta a través de Stripe. No almacenamos datos de tarjeta — Stripe los gestiona de forma segura.
¿Puedo obtener un reembolso? +
Sí — reembolso completo en 14 días, sin preguntas.
¿Por cuánto tiempo tendré acceso? +
Para siempre. Una vez comprado, el curso es tuyo para revisarlo cuando quieras.
¿Obtendré un certificado? +
Sí. Al finalizar recibirás un certificado que puedes añadir a tu perfil de LinkedIn.
Diseñado para profesionales en
Tecnología
Diseño
Finanzas
Marketing
Salud
Educación
Hostelería
Manufactura